🛠️ AI By Doing（https://aibydoing.com/）：公式与代码一一对应的实战型AI学习平台

核心定位：由开发者huhuhang打造的 免费开源实战型AI教程平台，聚焦“机器学习+深度学习”全链路学习，以“公式推导→手动代码实现→主流框架复现”为核心逻辑，用Jupyter Notebook格式整合理论、数学与代码，解决传统教材“理论与实践割裂”的痛点，适合有基础Python和数学知识的初学者系统入门AI。

📚 核心内容架构：97章体系化教程，覆盖AI全场景

平台内容按“从基础到前沿、从理论到工程”逻辑划分，合计97章（超42万字），持续更新，核心模块如下：

1. 监督学习：AI入门基石

从“回归”到“分类”，兼顾原理推导与真实场景应用： - 回归模块：线性回归（手动实现+sklearn对比）、北京市房价预测、比特币价格预测、岭回归/LASSO回归（矩阵计算推导），配套模型评价指标（MAE/MSE/MAPE）； - 分类模块：逻辑回归、K近邻（KNN）、朴素贝叶斯、支持向量机（SVM，含拉格朗日对偶性）、决策树（参数优化）、集成学习（装袋/提升/投票），实战案例含人像分类、学生成绩预测、信用卡风险识别。

2. 无监督学习：数据模式挖掘

覆盖聚类与关联规则，侧重算法落地能力： - 聚类模块：K-Means（图像压缩实战）、层次聚类（小麦种子分析）、DBSCAN密度聚类（共享单车异常检测）、PCA降维，对比8种聚类算法在不同数据集上的性能； - 关联规则与时序：Apriori算法（超市购物篮分析）、时间序列处理（股票数据、农业生产指数预测），配套Pandas时序操作技巧。

3. 机器学习工程：从模型到落地

聚焦工业界实用技能，解决“模型部署”痛点： - 自动化机器学习（AutoML）：用auto-sklearn/Auto-Keras完成手写字符分类、仙人掌航拍识别（Kaggle竞赛实战）； - 模型部署与推理：Flask部署毒蘑菇分类模型、TensorFlow Serving构建图像推理API、云端增量训练（AWS/阿里云实践）、增值税发票识别（百度云API调用）。

4. 深度学习：从原理到前沿应用

分“原理→框架→应用”三层，兼顾深度与实战： - 基础原理：感知机、人工神经网络、卷积神经网络（CNN）、循环神经网络（RNN/LSTM/GRU）、生成对抗网络（GAN/DCGAN）、自动编码器（图像去噪）； - 框架实战：TensorFlow（加州房价预测、汽车评估分类）、PyTorch（线性回归、动漫人物生成），对比低阶API与Keras高阶API的差异； - 领域应用： - 计算机视觉：LeNet-5、迁移学习（动物分类）、YOLO目标检测； - 自然语言处理（NLP）：LSTM股票预测、假新闻分类、BERT预训练、神经机器翻译。

5. 强化学习：智能体决策训练

入门级内容，聚焦核心算法实践： - Q-Learning基础、Sarsa算法（迷宫寻路实战），覆盖“探索-利用”策略与奖励机制设计。

6. 附录：按需补充的基础知识

避免前期冗长复习，供学习中按需查阅： - 数学基础：Python线性代数（向量/矩阵）、微积分（导数/梯度）、概率论（分布/期望）； - 工具指南：Jupyter Notebook、NumPy、Pandas、Matplotlib（二维/三维绘图）、Seaborn、SciPy，全是AI学习必备工具的实操教程。

✨ 核心特色：解决AI学习的3大痛点

1. 公式与代码“一一对应”，拒绝“调包黑箱”

每个算法均先推导数学公式（如线性回归损失函数、LSTM门控机制），再用Python手动实现公式逻辑，最后用sklearn/TensorFlow等框架复现，让学习者理解“框架API背后的数学原理”——例如岭回归章节，既手动计算系数，又对比scikit-learn结果，直观展示差异。

2. Jupyter Notebook交互式体验，易复现、易修改

所有教程以Jupyter Notebook格式呈现，网页端可直接查看代码运行结果，学习者可下载 Notebook 后修改参数（如调整K-Means的K值、LSTM的隐藏层数量），实时观察结果变化，强化“动手感”，避免“看会≠学会”。

3. 轻量化入门，不劝退初学者

• 数学基础按需补：不要求提前复习线性代数/概率论，遇到不懂的知识点可查阅附录，降低入门门槛；
• 案例贴近实际：用“房价预测”“比特币分析”“假新闻识别”等生活化案例，替代抽象的模拟数据，提升学习动力。

👥 适用人群

• AI初学者：具备基础Python编程能力与本科数学知识（高等数学/线代/概率论），想系统入门机器学习/深度学习，拒绝“只懂调包不懂原理”；
• 转行开发者：目标从事AI工程师岗位，需要“原理+工程”双技能，积累实战项目经验（如Kaggle竞赛、模型部署）；
• 在校学生/研究者：补充课堂外的实战知识，理解算法落地细节，为论文或竞赛打基础；
• 行业从业者：需要巩固基础，或学习AutoML、模型部署等工业界技能，提升职场竞争力。

📌 许可与学习建议

• 许可协议：采用“署名-非商业性使用-禁止演绎 4.0 国际协议”，禁止克隆全站内容、分发电子书或建立类似站点，鼓励专注学习本身；
• 学习方式：作者强调“打开电脑动手实践”，建议下载Jupyter Notebook记录自己的代码与理解，避免仅浏览阅读；
• 支持选项：所有内容免费，可自愿支持“Pro会员计划”，无强制付费门槛。

🌟 总结：AIGC时代的“真人实战AI教材”

AI By Doing的核心价值在于“用真人原创内容打通‘理论-数学-代码-落地’的全链路”——它既不像学术书籍那样重理论轻实践，也不像工具教程那样只教调包，而是让学习者“吃透原理的同时，能亲手写出可落地的模型”。

无论你是想入门AI的新手，还是需要补全工程能力的开发者，访问https://aibydoing.com/，都能找到“边学边练”的系统化教程，真正实现“学懂、吃透、会用”人工智能。